ilaandClaude Sonnet 4.6
37a4c13799
- 新增 mingxi-capture（PyQt5桌面程序）目录骨架 - 新增 mingxi-vision（FastAPI推理服务）目录骨架 - 新增 mingxi-backend（Django业务后端）目录骨架 - 新增 mingxi-frontend（Vue3管理后台）目录骨架 - 迁入 docs/（技术设计文档和PCB调研资料） - 补充 .gitignore（模型文件、Node.js依赖、运行时数据库） Co-Authored-By: Claude Sonnet 4.6 <noreply@anthropic.com>
144 lines
5.3 KiB
Markdown
144 lines
5.3 KiB
Markdown
# PCB 与 HRIPCB 数据集差异分析
|
||
|
||
> 分析时间：2026-05-07
|
||
> 分析对象：`pcb/`（TCC PCB Dataset）与 `HRIPCB/`（HRIPCB Dataset）
|
||
|
||
---
|
||
|
||
## 1. 核心差异一览
|
||
|
||
| 维度 | PCB (TCC) | HRIPCB |
|
||
|------|-----------|--------|
|
||
| **来源** | Roboflow `tcc-r4j2r/pcb-la0tj` | Roboflow `ma007/hripcb` |
|
||
| **发布时间** | 2025-12-11 | 2023-04-16 |
|
||
| **规模** | 7,971 张 | 1,386 张 |
|
||
| **导出预处理** | **Resize to 240×240 (Fit within)** | **Resize to 640×640 (Stretch)** |
|
||
| **缺陷密度** | **~2.0 框/张图** | **~4.2 框/张图** |
|
||
| **同图变体数** | 每张原始图 **3~6 个变体** | 每张原始图 **2 个变体** |
|
||
| **License** | CC BY 4.0 | CC BY 4.0 |
|
||
|
||
---
|
||
|
||
## 2. 关键差异详解
|
||
|
||
### 2.1 图像分辨率与预处理策略不同
|
||
|
||
这是两个数据集最本质的区别。
|
||
|
||
- **PCB**：被 Roboflow 预处理为 **240×240（Fit within，保持比例 + 填充）**。文件名中虽带有 `_600` 字样（暗示原始采集分辨率为 600×600），但实际导出图已缩放至 240×240。
|
||
- **HRIPCB**：被预处理为 **640×640（Stretch，直接拉伸）**。原始图被强制拉成 640×640，可能存在轻微形变。
|
||
|
||
**训练影响**：YOLOv8 训练时会统一 `imgsz=640`，两者标签均为归一化坐标（0~1），可直接混用。但 PCB 从 240 放大到 640 时细节损失会比 HRIPCB 更明显，小目标特征可能更模糊。
|
||
|
||
### 2.2 缺陷密度不同
|
||
|
||
| 数据集 | Split | 图片数 | 缺陷框数 | 平均框/图 |
|
||
|--------|-------|--------|----------|-----------|
|
||
| PCB | train | 6,346 | 12,964 | **2.04** |
|
||
| PCB | valid | 798 | 1,588 | **1.99** |
|
||
| PCB | test | 827 | 1,660 | **2.01** |
|
||
| HRIPCB | train | 1,108 | 4,667 | **4.21** |
|
||
| HRIPCB | valid | 139 | 583 | **4.19** |
|
||
| HRIPCB | test | 139 | 576 | **4.14** |
|
||
|
||
- **PCB**：平均每张图约 **2.0 个缺陷框**，整体相对稀疏。
|
||
- **HRIPCB**：平均每张图约 **4.2 个缺陷框**，缺陷更密集，有些图可能包含同一类型的多个缺陷实例。
|
||
|
||
**结论**：HRIPCB 的缺陷密度约为 PCB 的 **2 倍**。这在训练时意味着 HRIPCB 样本对模型学习"密集小目标共存"场景的贡献更大。
|
||
|
||
### 2.3 数据构成方式不同
|
||
|
||
**PCB 文件名特征**：
|
||
|
||
```
|
||
l_light_01_missing_hole_01_1_600_jpg.rf.xxx.jpg
|
||
l_light_01_missing_hole_01_2_600_jpg.rf.xxx.jpg
|
||
l_light_01_missing_hole_01_3_600_jpg.rf.xxx.jpg
|
||
```
|
||
|
||
- 前缀 `l_light_` 表明采集时控制了光照条件（left light / 左侧光源）。
|
||
- `_1_`、`_2_`、`_3_` 后缀表明**同一张缺陷样本有多个变体**（可能是不同光照、角度或采集参数）。
|
||
- 数据冗余度更高，同类缺陷的重复样本多。
|
||
|
||
**HRIPCB 文件名特征**：
|
||
|
||
```
|
||
01_missing_hole_01_jpg.rf.xxx.jpg
|
||
01_missing_hole_01_jpg.rf.yyy.jpg
|
||
```
|
||
|
||
- 命名更简洁，每张原始图仅有 **2 个 Roboflow 自动变体**（后缀 hash 不同）。
|
||
- 样本独立性更强，重复度低。
|
||
|
||
### 2.4 总标注实例数
|
||
|
||
| 数据集 | 图片数 | 总缺陷实例数 |
|
||
|--------|--------|-------------|
|
||
| PCB | 7,971 | ~16,212 |
|
||
| HRIPCB | 1,386 | ~4,826 |
|
||
| **合并后** | **9,357** | **~21,038** |
|
||
|
||
---
|
||
|
||
## 3. 对模型训练的影响
|
||
|
||
| 影响项 | 说明 |
|
||
|--------|------|
|
||
| **分辨率差距** | PCB 从 240 上采样到 640 会丢失细节，小目标检测可能受一定影响；HRIPCB 原生 640，细节保留更完整 |
|
||
| **密度差异** | HRIPCB 更密集的标注有助于模型学习"多缺陷共存"场景，对实际产线更有价值 |
|
||
| **重复样本** | PCB 中同一缺陷的多个变体相当于轻度数据增强，有助于提升光照/角度鲁棒性 |
|
||
| **来源互补** | PCB 偏"受控光照实验"风格，HRIPCB 偏"标准工业样本"风格，合并后泛化能力更强 |
|
||
| **类别分布** | 两者类别定义完全一致（6 类缺陷），标签格式均为标准 YOLOv8 归一化坐标，可直接合并 |
|
||
|
||
---
|
||
|
||
## 4. 使用建议
|
||
|
||
### 4.1 基础用法
|
||
|
||
直接使用 `dataset.py` 合并后训练：
|
||
|
||
```bash
|
||
python dataset.py merge --src pcb HRIPCB --dst merged
|
||
```
|
||
|
||
合并后共 **9,357 张图、约 21,038 个缺陷实例**，数据量足够支撑 YOLOv8n/s 的训练。
|
||
|
||
### 4.2 进阶用法：重新划分
|
||
|
||
如果担心 PCB 占比过高（85%）导致模型过度偏向 PCB 的数据风格，可以打乱后重新按 8:1:1 划分：
|
||
|
||
```bash
|
||
python dataset.py merge --src pcb HRIPCB --dst merged --rebalance --train 0.8 --val 0.1 --test 0.1
|
||
```
|
||
|
||
### 4.3 训练参数建议
|
||
|
||
针对两个数据集的分辨率差异，建议：
|
||
|
||
```yaml
|
||
# train.yaml
|
||
model: yolov8n.pt
|
||
data: D:/github2026/pcb-defect-detection/merged/data.yaml
|
||
imgsz: 640 # 统一统一到 640，补偿 PCB 的 240 上采样损失
|
||
batch: 16 # RTX 4060 8GB 安全值
|
||
epochs: 100
|
||
amp: True # 混合精度必开
|
||
patience: 20 # 早停
|
||
```
|
||
|
||
### 4.4 如果精度不够
|
||
|
||
可考虑以下策略：
|
||
|
||
1. **分阶段训练**：先用 PCB 预训练，再用 HRIPCB fine-tune（HRIPCB 密度高、标注更"干净"）。
|
||
2. **调整样本权重**：在 Ultralytics 中通过 `sample_weights` 或自定义 dataloader 提升 HRIPCB 样本的采样概率。
|
||
3. **数据清洗**：检查 PCB 中 240×240 上采样后是否出现模糊/不可辨认的样本，必要时剔除低质量数据。
|
||
|
||
---
|
||
|
||
## 5. 附：数据来源链接
|
||
|
||
- **PCB (TCC)**：`https://universe.roboflow.com/tcc-r4j2r/pcb-la0tj/dataset/1`
|
||
- **HRIPCB**：`https://universe.roboflow.com/ma007/hripcb/dataset/1`
|